日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2604.13098

C2T: キャプション構造とLLM整合型常識報酬学習による交通・車両協調

C$^2$T: Captioning-Structure and LLM-Aligned Common-Sense Reward Learning for Traffic--Vehicle Coordination

シェア:XThreadsFacebookLINEはてブBluesky

交通信号制御と自動運転車の協調において、人手設計の報酬に代わり、大規模言語モデルから常識知識を抽出して内在報酬を学習し、MARLポリシーを導くフレームワークC2Tを提案した。

詳しい要約

1. どんなもの?

- 都市交通制御のための新しいフレームワークC2Tを提案。 - Traffic Light Controllers (TLCs)とConnected Autonomous Vehicles (CAVs)の協調をMulti-Agent Reinforcement Learning (MARL)で実現。 - 従来の手作りで近視眼的な報酬(例:交差点圧力)の限界を克服するため、Large Language Model (LLM)から常識的な知識を抽出し、内在的報酬関数を学習。 - この報酬を用いて協調マルチ交差点TLC MARLシステムの政策を誘導。 - CityFlowベースのマルチ交差点ベンチマークで評価。

2. 先行研究と比べてどこがすごい?

- 従来のMARLベースの交通制御は、手作りで近視眼的な報酬(例:交差点圧力)に依存し、安全性、流れの安定性、快適性といった高レベルで人間中心の目標を捉えられない。 - C2TはLLMから常識的知識を抽出し内在的報酬を学習することで、これらの限界を克服。 - 交通効率、安全性、エネルギー関連プロキシにおいて、強力なMARLベースラインを大幅に上回る性能を達成。 - さらに、LLMプロンプトを変更することで「効率重視」と「安全重視」の異なる政策を実現できる柔軟性を持つ。

3. 技術・手法の肝は?

- LLMから「常識」知識を抽出し、学習された内在的報酬関数に蒸留。 - この報酬を協調マルチ交差点TLC MARLシステムの政策誘導に使用。 - 交通-車両ダイナミクスから常識的協調モデルを学習。 - CityFlowベースのマルチ交差点ベンチマークで評価。 - LLMプロンプトの変更により、効率重視または安全重視の政策を実現可能。

4. どうやって有効だと検証した?

- CityFlowベースのマルチ交差点ベンチマークで評価。 - 交通効率、安全性、エネルギー関連プロキシの指標で、強力なMARLベースラインを大幅に上回ることを確認。 - 効率重視と安全重視の政策の柔軟性も実証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:MARLベースの交通制御、交差点圧力報酬、CityFlowベンチマーク。 - 関連手法:Multi-Agent Reinforcement Learning (MARL)、Large Language Model (LLM)からの知識蒸留、内在的報酬学習。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuyang Chen, Kaiyan Zhao, Yiming Wang, Ming Yang, Bin Rao, Zhenning Li

分類: cs.MA, cs.CV, cs.RO

原文アブストラクト

State-of-the-art (SOTA) urban traffic control increasingly employs Multi-Agent Reinforcement Learning (MARL) to coordinate Traffic Light Controllers (TLCs) and Connected Autonomous Vehicles (CAVs). However, the performance of these systems is fundamentally capped by their hand-crafted, myopic rewards (e.g., intersection pressure), which fail to capture high-level, human-centric goals like safety, flow stability, and comfort. To overcome this limitation, we introduce C2T, a novel framework that learns a common-sense coordination model from traffic-vehicle dynamics. C2T distills "common-sense" knowledge from a Large Language Model (LLM) into a learned intrinsic reward function. This new reward is then used to guide the coordination policy of a cooperative multi-intersection TLC MARL system on CityFlow-based multi-intersection benchmarks. Our framework significantly outperforms strong MARL baselines in traffic efficiency, safety, and an energy-related proxy. We further highlight C2T's flexibility in principle, allowing distinct "efficiency-focused" versus "safety-focused" policies by modifying the LLM prompt.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI